一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法
本发明公开一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法,包括步骤:S1、基于NGSIM数据集所提取数据为车辆行驶过程中轨迹数据。S2、将提取的驾驶人换道数据进行初步筛选,提取驾驶人换道风格的换道特征参数。S3、利用Kmeans聚类算法将提取到的换道数据进行聚为三类(谨慎型、一般型、激进型。)S4、并对聚类的参数进行统计分析和时频分析验证分类的驾驶人的差异性,并提取出有效参数作为辨识模型的输入。S5、基于惯性权重非线性变化和粒子最大速度非线性递减的策略来改进粒子群算法,对SVM模型的两个关键参数C和g优化更新,建立起基于改进粒子群优化SVM的驾驶人风格辨识模型,对驾驶人换道风格进行识别。
《一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法》是一发明专利,专利号为 2022113097368,当前法律状态为已下证,由江苏大学提出申请,发明人为刘志强;马进,申请日期为2022-10-25,公开(公告)日期为2026-02-10,国际专利分类号(IPC)为 G06F 18/2411 (2023.01),所属技术领域包括:汽车智能驾驶辅助系统、先进驾驶辅助系统、改进粒子群算法优化SVM的驾驶换道风格辨识方法、汽车自动驾驶。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开一种基于改进粒子群算法优化SVM的驾驶换道风格辨识方法,包括步骤:S1、基于NGSIM数据集所提取数据为车辆行驶过程中轨迹数据。S2、将提取的驾驶人换道数据进行初步筛选,提取驾驶人换道风格的换道特征参数。S3、利用Kmeans聚类算法将提取到的换道数据进行聚为三类(谨慎型、一般型、激进型。)S4、并对聚类的参数进行统计分析和时频分析验证分类的驾驶人的差异性,并提取出有效参数作为辨识模型的输入。S5、基于惯性权重非线性变化和粒子最大速度非线性递减的策略来改进粒子群算法,对SVM模型的两个关键参数C和g优化更新,建立起基于改进粒子群优化SVM的驾驶人风格辨识模型,对驾驶人换道风格进行识别。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
